Article Per Year (5 Year)
p-Index From 2021 - 2026
4.604
P-Index
This Author published in this journals
All Journal Semantik MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Knowledge Engineering and Data Science SMARTICS Journal Applied Information System and Management Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Information System,Graphics, Hospitality and Technology Applied Technology and Computing Science Journal Teknika Journal of Electrical Engineering and Computer (JEECOM) Journal of Applied Data Sciences International Journal of Engineering, Science and Information Technology Insyst : Journal of Intelligent System and Computation J-Intech (Journal of Information and Technology) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Sistem Cerdas dan Rekayasa Jurnal Inovasi Teknologi dan Edukasi Teknik Nusantara Journal of Computers and its Applications Bulletin of Social Informatics Theory and Application Jurnal Informatika: Jurnal Pengembangan IT Journal of Information Technology
Joan Santoso
Institut Sains Dan Teknologi Terpadu Surabaya
Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
Web Content Extractor Menggunakan Neural Network untuk Konten Artikel di Internet Ahdan, Syabith Umar; Santoso, Joan; Armanto, Hendrawan
Intelligent System and Computation Vol 3 No 2 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i2.195

Abstract

Berkembangnya teknologi Javascript khususnya AJAX dan CSS membuat halaman web yang dulunya statis menjadi lebih dinamis dengan tampilan yang lebih menarik dan dipenuhi iklan dan rekomendasi artikel lain. Oleh karena itu, sulit untuk mengotomatisasi proses pengambilan konten artikel pada konteks ini. Penelitian ini dibuat untuk menyelesaikan masalah otomatisasi pengambilan konten artikel di Internet. Aplikasi web yang akan dibuat terbagi menjadi empat modul, yaitu web crawler, web extractor, content classifier dan web visualizer. Penelitian ini memiliki dua desain arsitektur. Arsitektur yang pertama adalah arsitektur saat training. Arsitektur yang kedua adalah arsitektur program jadi. Proses training menggunakan 200 URL halaman web dari lima website berbeda. Metode pengujian yang akan digunakan adalah 4-Fold Cross Validation, sehingga 75% dari blok teks akan menjadi data latihan dan 25% dari blok teks akan menjadi data pengujian. Program jadi berupa Web Visualizer yang mengolah JSON file berisi hubungan antara halaman web yang didapatkan dari web crawler sehingga dapat dipresentasikan dalam sebuah grafik. Kesimpulan dari penelitian ini adalah bahwa kombinasi Scrapy, Splash, Neural Network Classifier dan D3 bekerja sangat baik untuk automasi ekstraksi konten artikel website di Internet sekaligus memvisualisasi hubungan antar halaman web. Deep Feed Forward Neural Network (DFFNN) dapat melakukan klasifikasi multi-class konten judul, penulis, dan isi artikel dengan baik selama template halaman web sudah pernah dilatih sebelumnya. DFFNN juga dapat melakukan klasifikasi binari untuk halaman web secara umum dengan F1-score 62.87%, dua kali lebih baik dari SVM yang hanya 31.28%.
Ekstraksi Partitur Balok Monofonik untuk Instrumen Flute dengan CRNN dan CRF Vania, Stella; Sutanto, Patrick; Sutanto, Ricky; Santoso, Joan
Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i1.218

Abstract

Notasi partitur balok bukanlah notasi yang mudah dibaca oleh pemula dalam dunia musik. Di sinilah Optical Music Recognition (OMR) dapat berperan. OMR merupakan sebuah pembelajaran mengenai komputer yang dapat mengenali objek dalam partitur balok. Dengan adanya program yang menerapkan OMR dan memberikan output dengan format yang mudah dipahami oleh pengguna, maka pemula dalam dunia musik dapat terbantu dalam membaca partitur not balok. Karya ilmiah ini dibuat dengan pendekatan deep learning dalam beberapa arsitektur. Dataset yang digunakan adalah Camera-PrIMuS yang terdiri dari dataset gambar sebaris partitur musik dan juga ground-truth per objek pada gambar yang bersangkutan. Arsitektur yang digunakan adalah CRNN, CRNN-CRF, dan Attention. Dari ketiga arsitektur tersebut, hasil terbaik diperoleh pada aristektur Attention dengan symbol error rate (SER) sekitar 9%, diikuti dengan CRNN dengan SER sekitar 84%, dan CRNN-CRF yang berdasarkan hasil uji coba tidaklah cocok untuk OMR dengan nilai loss yang tidak kunjung turun dalam proses training. Arsitektur Attention secara garis besar terdiri dari blok encoder dan decoder. Encoder berfungsi untuk menerima input gambar dan melakukan encoding terhadap gambar tersebut. Hasil encoding kemudian diterima oleh decoder yang berperan untuk melakukan decoding dan memprediksi sequence selanjutnya berdasarkan hasil encoding dari encoder. Dalam implementasinya program dapat menerima input berupa gambar selembar partitur penuh yang agak miring, maka program juga akan melakukan skew-correction dan pemotongan gambar per baris agar input dari pengguna dapat diproses oleh model. Output dari model yang masih berupa label-label prediksi akan diproses kembali agar menghasilkan not angka dan file MIDI yang relatif lebih mudah untuk dipahami oleh pengguna.
Aspect based Sentiment Analysis Aduan Mahasiswa UMSIDA Dimasa Pandemi Menggunakan LSTM Putra, Bayu Anggara; Kristian, Yosi; Irawati Setiawan, Esther; Santoso, Joan
Intelligent System and Computation Vol 4 No 1 (2022): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v4i1.229

Abstract

Banyaknya data aduan Mahasiswa Universitas Muhammadiyah Sidoarjo (UMSIDA) yang terdampak wabah pandemi Covid19, dengan pemberlakuan pembatasan kegiatan masyarakat (PPKM). UMSIDA membentuk sebuah tim yang diberi nama Umsida Covid-19 Command Center (UCCC), dengan tujuan pelaksanaan program pecegahan dan aksi penanganan Covid-19, dengan harapan peneliti ingin mempermudah penyampaian informasi / aduan mahasiswa, khususnya terhadap tim UCCC sebagai bahan pertimbangan dalam melakukan suatu keputusan untuk menghadapi pandemi covid saat ini. Multi aspect sentiment analysis menghadirkan sesuatu yang baru, untuk memahami pendapat dan penilaian pengguna yang diungkapkan secara online. Dengan tujuan untuk mengklasifikasikan teks subjektif dengan memberi label polaritas, Pembentukan representasi vektor kata menggunakan Word Embedding Global Vector (Glove) dilakukan secara kombinasi dengan pelatihan analisis sentiment dengan klasifikasi berbasis Long Short Term Memory (LSTM). Pemodelan aduan mahasiswa dilakukan untuk mendapatkan representasi vektor menggunakan LSTM. Di sini, setiap kata dari kalimat menempati satu langkah pemrosesan LSTM, dan output dari kata terakhir digunakan sebagai ekspresi kalimat. Hasil dari penelitian menggunakan aduan mahasiswa bahasa Indonesia menunjukkan dari multi 3 aspect (ekonomi, pendidikan dan kesehatan) mendapatkan akurasi 82% dan 2 sentiment (positif dan negatif) mendapatkan akurasi 80% dengan demikian didapatkan nilai rata-rata Akurasi 81%. dapat disimpulkan akurasi tersebut bisa digunakan sebagai klasifikasi multi aspect dan sentiment analisis.
Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN Imron, Syaiful; Setiawan, Esther Irawati; Santoso, Joan
Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i1.267

Abstract

Dengan semakin berkembangnya teknologi informasi, maka muncul istilah e-commerce dalam dunia bisnis. Pada e-commerce ada fitur review, pelanggan dapat memberikan review berupa teks, gambar, dan bintang. Review tersebut merupakan opini dari pelanggan terkait barang yang dibeli. Tetapi pada kebanyakan e-commerce tidak ada fitur kategori terkait review hal ini membuat calon pembeli kesusahan dalam menganalisa secara manual. Aspect-based sentiment analysis (ABSA) merupakan solusi dari permasalahan tersebut. ABSA memiliki tiga tugas salah satunya Aspect Category Detection yang memiliki fungsi untuk menggabungkan review pelanggan menjadi beberapa aspek dimana aspek-aspek tersebut sudah didefinisikan terlebih dahulu. Cukup banyak penelitian terkait Aspect Category Detection dengan mengunakan machine learning. Dari beberapa metode yang diuji, Convolutional Neural Network (CNN) merupakan metode terbaik. Selain itu penggunaan BERT sebagai word embedding menghasilkan output yang bagus baik dari pada word embedding konvensional. Penelitian ini menggunakan dataset dari e-commerce Bukalapak dengan 3114 review dan 6 aspek (Akurasi, Pengiriman, Kualitas, Harga, Pengemasan, dan Pelayanan). Berdasarkan ujicoba dengan menggunakan IndoBERT sebagai word embedding dan CNN untuk deteksi aspek, maka didapatkan akurasi sebesar 94,86%. Dengan demikian model tersebut dapat digunakan untuk deteksi aspek. Selain itu, metode CNN mendapatkan hasil yang lebih baik dari pada metode LSTM.
Klasifikasi Micro-Expression Menggunakan K-Nearest Neighbors Menggunakan Fitur CAS dan HOG Wardoyo, Nikko Riestian Putra; Santoso, Joan; Setiawan, Esther Irawati
Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v5i2.346

Abstract

Micro-Expression adalah ekspresi yang muncul dalam waktu singkat, hanya berlangsung sepersekian detik. Hal ini mungkin merupakan akibat dari aktivitas komunikasi antar manusia selama interaksi sosial. Reaksi ekspresi mikro wajah terjadi secara alami dan segera, sehingga hanya menyisakan sedikit ruang untuk manipulasi. Namun, karena Micro-Expression bersifat sementara dan memiliki intensitas rendah, pengenalan dan pengenalannya sulit dan sangat bergantung pada pengalaman para ahli. Karena kekhususan dan kompleksitas intrinsiknya, klasifikasi Micro-Expression menggunakan 2 ekstraksi yaitu CAS dan HOG menarik tetapi menantang, dan baru-baru ini menjadi area penelitian yang aktif. context-aware saliency (CAS) yang bertujuan untuk mendeteksi wilayah gambar yang mewakili pemandangan. Tutujuannya adalah untuk mendeteksi objek dominan. Histogram Oriented Gradient (HOG) Bertujuan sebagai deskriptor yang efektif untuk pengenalan dan deteksi objek. Metode K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi Micro-Expression berdasarkan fitur HOG dari citra saliency. Dataset yang digunakan pada penelitian ini dari data sampel siswa SMK Ma’arif NU Prambon jurusan Multimedia sebanyak 45 siswa dan ditambahkan dataset dari affecnet. Hasil yang didapatkan dari total dataset sebanyak 4116 citra yang dibagi menjadi 6 Micro-Expression yaitu anger, disgust, fear, happy, sad dan surprise, mendapatkan hasil akurasi diatas 80% dari perbandingan dataset sejumlah 4116 terbagi menjadi 2 dengan persentase 70% training dan 30% data testing.
Cross Platform Waste Reuse, Reduce And Recycle Management Application With Prototyping Methodology Setiawan, Esther Irawati; Hartono, Patrick; Vu, Tong Nam Tuan; Halim, Kevin Jonathan; Ferdinandus, F. X.; Santoso, Joan
Applied Information System and Management (AISM) Vol. 7 No. 1 (2024): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v7i1.37230

Abstract

The use of plastic bags by the public as containers for shopping goods is very high. People often throw away plastic waste carelessly, causing pollution everywhere. The biggest problem with the lack of recycling action lies in the lack of public awareness of the importance of implementing 3R (Reduce, Reuse, Recycle). People are less motivated to do 3R, one of which is because there are no rewards after doing 3R. This research develops an application provides rewards to the community for using Eco-Green Bags as an alternative to plastic bags. This research application has a system that makes it easier for people to carry out 3R. This proposed framework application uses the React Native framework for creating mobile apps and Next.JS for creating admin websites and APIs. With the React Native framework, application performance will be faster and smoother for users. The Next.JS framework allows developers to have a very clear project structure, because Next.JS uses file-based routing. With this research, it is hoped that people can be even more motivated to carry out 3R. The community can participate easily in implementing 3R without any coercion but through the community's own initiative. In this way, the application can be a real supporter of society in implementing 3R and avoiding the use of plastic bags which are also contributors to environmental pollution.
Pemanfaatan Deep Convolutional Auto-encoder untuk Mitigasi Serangan Adversarial Attack pada Citra Digital Putu Widiarsa Kurniawan S; Yosi Kristian; Joan Santoso
J-INTECH ( Journal of Information and Technology) Vol 11 No 1 (2023): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v11i1.845

Abstract

Adversarial attacks on digital images pose a serious threat to the utilization of machine learning technology in various real-life applications. The Fast Gradient Sign Method (FGSM) technique has proven to be effective in conducting attacks on machine learning models, including digital images found in the ImageNet dataset. This research aims to address this issue by utilizing the Deep Convolutional Auto-encoder (AE) technique as a method for mitigating adversarial attacks on digital images.The results of the study demonstrate that FGSM attacks can be performed on the majority of digital images, although there are certain images that are more resilient to such attacks. Furthermore, the AE mitigation technique proves to be effective in reducing the impact of adversarial attacks on most digital images. The accuracy of the attack and mitigation models is measured at 14.58% and 91.67%, respectively.
Co-Authors Aditya Dwi Aryanto Adriel Ferdianto Afandi, Acxel Derian Agung Dewa Bagus Soetiono Ahdan, Syabith Umar Ahmad Syaifuddin Ali Djamhuri Ananta Tio Putra Andik Jatmiko Anita Guterres Budi Irawan Cahyadi, Billy Kelvianto Chandra, Francisca H. Christian Nathaniel Purwanto Devi Dwi Purwanto Dewi, Nindian Puspa Dipa, Sasra Edwin Pramana Eka Rahayu Setyaningsih Eko Mulyanto Yuniarno Elizabeth Shirley, Stephanie Endang Setyati Esther Irawati S. Esther Irawati Setiawan Eunike Kardinata F.X. Ferdinandus Fachrul Kurniawan Febriantoro, Erfan Ferdinandus, F. X. Francisca Chandra Fujisawa, Kimiya Gunawan Gunawan Gunawan Gunawan Gunawan Gunawan Halim, Kevin Jonathan Hans Juwiantho Hans Keven Budi Prakoso Harianto, Reddy Alexandro Hartarto Junaedi Hartono, Patrick Hendrawan Armanto Heppi Siswanto Herman Budianto Imron, Syaiful Indra Maryati Irawati Setiawan, Esther Jatmiko, Andik Kristian Indradiarta Gunawan Kristina, Natalia Kurniawan S, Putu Widiarsa Langgeng, Yudo Sembodo Hastoro Leonel Hernandez Lim, Ernest Luhfita Tirta Lukman Zaman Machfudin, Mohammad Farid Mauridhi Hery Purnomo Mochamad Hariadi Muhammad Amfahtori Wijarnoko Mustaqin, Farhan Faisal Zainul Nagari, Widean Nindian Puspa Dewi Ong, Hansel Santoso Putra, Bayu Anggara Putu Widiarsa Kurniawan S Rossy P. C. Rully Widiastutik Samuel Budi Wardhana Kusuma Saputra, Daniel Gamaliel Setiawan, Esther Setya Ardhi Soetiono, Agung Dewa Bagus Stefanie Hilda Kusumahadi Surya Sumpeno Sutanto, Patrick Sutanto, Ricky Syaiful Huda Syaiful Imron Tjendika, Patrick Tjwanda Putera Gunawan Tri Septianto Tuesday saka gustaf Ubaidi Ubaidi Ubaidi, Ubaidi Vania, Stella Vu, Tong Nam Tuan Wardoyo, Nikko Riestian Putra Yosi Kristian